前言¶

DeepSeek Harness（DSH）把模型、工具、路由都做成可插拔组件，主模型选 deepseek-official 这类纯文本模型时，Composer 里拖入的图片往往无法被直接理解。常见做法是手动 OCR，或换用另一套支持多模态的客户端，任务上下文也要跟着改。

下面介绍社区插件 oil-oil/dsh-vision。它在不替换 Harness 主模型的前提下，为文本模型接上独立的视觉识别链路；若主模型本身支持图像，则原图直传，不做额外预处理。

这是什么¶

dsh-vision 由 oil-oil 维护，归类为模型推理，MIT 许可，当前版本 0.1.2。仓库：github.com/oil-oil/dsh-vision，SkillHub 目录页：skillhub.cn/plugins/oil-oil/dsh-vision。

一句话定位：Near-native image understanding for DeepSeek Harness——让 Harness 在文本主模型下也能处理图片附件，体验尽量接近原生多模态。

核心功能¶

路由逻辑¶

插件按主模型能力分流，不替换 Harness 里选定的主模型：

多张图片会一起分析，便于对比和综合证据；用户任务原文转发，不套固定报告模板。

视觉后端配置¶

安装后，Settings → Plugins → Plugin configuration 会出现 Vision Recognition 卡片。可选 ZenMux、Alibaba Cloud Model Studio、TokenDance、OpenRouter，填写 API Key，并可改模型 ID、API 端点、图片数量上限。

API Key 经 Harness 官方凭证服务存储，浏览器端只写不读：插件能报告 Key 是否存在，但不会把 Key 读回页面、对话、设置文档或会话日志。

选 Automatic 则跳过插件管理的云端凭证，依次尝试 Harness 里已配置的多模态模型、see 兼容的私有配置，以及本地 OCR。Harness 自定义模型须声明 image 输入模态，否则仍视为文本模型。

see-skill 兼容与本地回退¶

Harness 没有可用视觉模型时，插件会读取 ~/.config/see/config.env，支持 ZenMux、Alibaba Cloud Model Studio、OpenRouter、TokenDance；环境变量可覆盖私有配置文件：

export SEE_PROVIDER=zenmux
export ZENMUX_API_KEY=your-key

无云端 Key 或全部云端路由失败时：

• macOS：内置 Vision OCR，无额外依赖
• Linux / Windows：Tesseract（需安装对应语言包）

本地回退以 OCR 为主，不等同于完整多模态理解。

安全边界¶

• 原图仅发往用户配置的视觉服务
• 视觉输出标记为不可信观察数据，图中指令不获得系统权限
• 生成的视觉上下文只影响当前模型请求，不重写消息历史
• API Key 经 Harness 凭证或 see 私有配置解析，不写入插件仓库

安装与启用¶

DeepSeek Harness 仍处于 Developer Preview。本插件支持 0.1.0-rc.6 与 0.1.0-rc.7。

用 Harness 内置插件管理器安装：

npx @deepseek-ai/dsh plugin --profile web add github:oil-oil/dsh-vision

重启 Harness 后，在 Composer 中照常粘贴或拖入图片即可。插件会替换官方 deepseek-official 适配器，同时保留其模型目录、设置与凭证。

典型用法¶

界面配置（推荐）¶

1. 执行上述安装命令并重启 Harness
2. 打开 Settings → Plugins → Plugin configuration → Vision Recognition
3. 选择视觉后端并填写 API Key（或选 Automatic 走 Harness 已有路由）
4. 回到 Composer，拖入图片并输入任务，例如「对比这两张截图里的表格差异」

多张附件会一并送入视觉链路，主模型仍是你选定的 DeepSeek 文本模型。

高级文件配置¶

多数场景用 UI 即可。等效的非密钥字段写在 $DSH_HOME/settings.yaml 的 llm-deepseek 段：

llm-deepseek:
  visionBackend: zenmux
  visionBackendModel: qwen/qwen3.7-plus
  visionBackendBaseURL: https://zenmux.ai/api/v1
  maxImages: 8

不要把 API Key 写进该文件；在 Vision Recognition 卡片保存，或设置对应环境变量。修改后无需重启。

适用场景与注意¶

适合谁

• 主模型固定为 deepseek-official 或其他纯文本 DeepSeek 模型，但对话里经常带截图、图表、照片
• 已在 Harness 或 see 生态里配置了 ZenMux、Model Studio 等视觉后端，希望复用同一套 Key
• 需要多张图片联合分析，又不想换客户端或手写 OCR 流程

使用前请知悉

• 插件以当前 DSH 进程权限运行；安装前请阅读 源码 与 MIT 许可证
• SkillHub 为社区目录，与 DeepSeek / 幻方无官方从属关系
• 本地 OCR 回退能力有限，复杂视觉推理仍依赖云端多模态模型
• 开发环境要求 Node >=22.19（见 package.json）

结尾¶

dsh-vision 把「文本主模型 + 独立视觉桥接 + 原生多模态直传」三条路径收进一个 Harness 插件：该直传时直传，该桥接时用不可信观察上下文补全，云端不可用时还有本地 OCR 兜底。

• 目录页：https://www.skillhub.cn/plugins/oil-oil/dsh-vision
• GitHub：https://github.com/oil-oil/dsh-vision